scieee AI-readable full text Open interactive document viewer

Constrainify. Qualitätsanalysen von LIDO-Daten für Forschungsdatenmanagement und Datenintegration in Portale

Schäfer, Domenic

Abstract

Weitere Informationen zum Projekt: https://zenodo.org/communities/aqinda/about Demo-Instanz: https://aqinda.gwdg.de/ Screencast: https://gitlab.gwdg.de/aqinda/constrainify/-/raw/main/img/constrainify_demo.mp4 GitLab-Seite zu Constrainify: https://gitlab.gwdg.de/aqinda/constrainify

Full text

Qualitätsanalysen von LIDO-Daten für Forschungsdatenmanagement und Datenintegration in Portale Dr. Domenic Schäfer (VZG), Folien: Das können Sie heute erwarten: 1) Welche Herausforderungen bringt eine Datenqualitätssicherung üblicherweise mit sich? Welche Ziele leiten sich dadurch für Constrainify ab? 2) Wie funktioniert Constrainify? Ein Blick in die Demo-Instanz 3) Wie kann Constrainify zur Qualitätssicherung für Datenintegration in Portale verwendet werden? Beispiel: DDB-Pflichtelemente 4) Breiterer Kontext: Welchen Nutzen hat Constrainify für das Forschungsdatenmanagement und welche Rolle spielt dabei Künstliche Intelligenz Herausforderungen und Ziele FDM und KI Demo-Instanz Usecase DDB-Pflichtelemente Herausforderungen und Ziele Die Durchführung von Datenqualitätsanalysen erfordert in der Regel: •technische Expertise (XSLT, Xquery, Python…) •fachspezifische Kenntnisse (z. B. zur korrekten Benennung des Objekttyps) •hervorragende Formatkenntnisse (z. B. LIDO-Format) •klare Rollenverteilung basierend auf individuellen Qualifikationen (z. B. Informatiker*in und Expert*in einer Fachdisziplin) Herausforderungen und Ziele Demo-Instanz FDM und KI Usecase DDB-Pflichtelemente Diesen Barrieren möchte Constrainify begegnen: ➔ Datenqualitätsprüfungen sollen durch Fachexpert*innen durchgeführt werden können, und zwar: •Ohne technische Expertise in Skriptsprachen •Fachdisziplinenübergreifend •Datenformatübergreifend (perspektivisch) •Idealiter ohne tiefergehende Formatkenntnisse Herausforderungen und Ziele Herausforderungen und Ziele Demo-Instanz FDM und KI Usecase DDB-Pflichtelemente https://aqinda.gwdg.de/ Demo-Version Herausforderungen und Ziele Demo-Instanz Usecase DDB-Pflichtelemente FDM und KI Usecases laut Projektantrag •DDB-Requirements (LIDO) •Graphik-Portal (LIDO) •TextGrid (TEI) Usecase DDB-Pflichtelemente Usecase DDB-Pflichtelemente FDM und KI Herausforderungen und Ziele Demo-Instanz https://wiki.deutsche-digitalebibliothek.de/x/zJClAQ Usecase DDB-Pflichtelemente Demo-Instanz Usecase DDB-Pflichtelemente FDM und KI Herausforderungen und Ziele https://wiki.deutsche-digitalebibliothek.de/x/0AmuB Usecase DDB-Pflichtelemente Usecase DDB-Pflichtelemente FDM und KI Herausforderungen und Ziele Demo-Instanz Usecase DDB-Pflichtelemente Usecase DDB-Pflichtelemente FDM und KI Herausforderungen und Ziele Demo-Instanz